儲存keras的model檔案和載入keras檔案的方法有很多。現在分別列出，以便後面查詢。

keras中的模型主要包括model和weight兩個部分。

儲存model部分的主要方法：一是通過json檔案

Json檔案

# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)

Yaml檔案

# save as YAML
yaml_string = model.to_yaml()

儲存權重的方法：通過儲存權重（係數）

HDF5檔案

# serialize weights to HDF5
model.save_weights("model.h5")
print("Saved model to disk")

同時儲存model和權重的方式：

from keras.models import load_model

model.save('model_weight.h5')  # creates a HDF5 file 'my_model.h5'

# load json and create model
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json
 

from keras.models import load_model

model = load_model('model.h5')

# load weights into new model
loaded_model.load_weights("model.h5")
print("Loaded model from disk")

如果你需要載入權重到不同的網路結構（有些層一樣）中，例如fine-tune或transfer-learning，你可以通過層名字來載入模型：

model.load_weights('my_model_weights.h5', by_name=True)